必须将企业wiki导出为markdown/纯文本并清洗结构后上传至阶跃ai知识库，启用step-embed-v3-zh向量索引，才能让模型准确理解语义并精准回答内部问题。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要让阶跃AI知识库真正理解并回答企业内部Wiki里的内容，必须把原始Wiki页面转化为结构清晰、语义可识别的文本数据，不能直接上传HTML文件或截图——否则模型根本无法读取其中的标题层级、段落逻辑和关键术语。
导出Wiki页面为纯文本或Markdown格式
第一步：登录企业Wiki后台，进入需导入的知识空间 → 点击右上角「更多」→ 选择「导出全部页面」或「批量导出」（部分Wiki系统如Confluence需安装「Content Exporter」插件才支持此功能）。
第二步：导出时【务必选择Markdown或纯文本格式】，避免选PDF或HTML——PDF会混入页眉页脚和换行符，HTML则包裹大量标签，后续清洗成本极高。
第三步：检查导出包中每个.md文件是否保留了原始标题层级（# 一级标题、## 二级标题）、列表缩进和代码块标记。若发现所有标题都变成普通段落，说明导出插件未启用“结构化输出”选项，需重新配置后导出。
清洗与标准化文档结构
方法一：用Python脚本自动清理冗余符号
下载并运行clean_wiki.py脚本（GitHub开源工具），将导出的整个文件夹拖入脚本同目录 → 执行命令python clean_wiki.py --input ./wiki_export --output ./cleaned；它会自动删除Wiki编辑痕迹（如{toc}、{scroll-ignore}等宏标记）、统一空行数量、修复断裂的列表缩进。
方法二：人工抽检关键页面做语义校验
打开3～5个高频问答页面（如「OA系统登录失败处理」「报销流程时效说明」），逐段比对清洗前后内容：确认技术术语未被误删（例如“LDAP认证”不能变成“LDAP证”）、表格数据未错位、带编号的步骤顺序未打乱——【一旦编号错乱，问答时模型可能给出颠倒的操作顺序】。
上传至阶跃AI知识库并启用向量化索引
登录阶跃AI控制台 → 进入「知识库管理」→ 点击「新建知识库」→ 命名后选择「文档型知识库」→ 在上传区域直接拖入./cleaned文件夹中的所有.md文件 → 等待解析进度条走完（通常每千字耗时1.2～1.8秒）。
上传完成后，点击该知识库右侧「设置」→ 打开「启用向量索引」开关 → 下拉选择「embedding模型版本：step-embed-v3-zh」→ 点击「重建索引」。这一步不可跳过，否则上传的文档仅作关键词匹配，无法理解“单点登录失败”和“SSO登录报错”是同一类问题。
最后，在「测试问答」框输入：“员工忘记OA密码怎么办？”，观察返回结果是否精准定位到《账号管理规范.md》中第4.2节内容，并正确提取了重置链接和审批人字段。
